CN110319878A - 一种智慧城市绿化实时监测系统及方法 - Google Patents

Abstract

本发明涉及植被监测技术领域，具体涉及一种智慧城市绿化实时监测系统及方法，所述方法包括：异常值计算步骤，获取植被覆盖区域数据和植被种类数据，根据植被覆盖区域数据和植被种类数据计算植被的环境异常值；环境监测步骤，获取植被种植区的环境数据，根据环境数据计算环境监测值；异常判断步骤，获取环境监测值和环境异常值，将环境监测值和环境异常值进行比较，判断环境监测值是否异常。本发明能解决现有植被管控方法导致植被损伤和死亡的问题。

Description

一种智慧城市绿化实时监测系统及方法

技术领域

本发明涉及植被监测技术领域，具体涉及一种智慧城市绿化实时监测系统及方法。

背景技术

现在城市绿化植被的管控维护方式主要依赖于人工，在浇水灌溉方面还停留在使用浇水车和灌溉管路的状态，工人根据天气情况和个人经验对干旱植被进行灌溉维护。其缺点是由于人工有限，不可能第一时间观察到所有需要灌溉的植被区域；另一个缺点是灌溉水量完全由人工决定，所以相同植被也容易出现灌溉水量参差不齐的现象，继而影响下一次的灌溉，植物的生长难以实现同步，最重要的人工成本不断上升，城市绿化植被的管控成本也在逐年增加。

为解决上述问题，相关技术中公开了城市绿化植被的管控系统，该系统通过GIS平台和传感器实现了植被种类、植被覆盖面积和植被所处地区土壤温湿度的采集，并通过植被种类、植被覆盖面积、植被所处地区的温湿度等数据实现城市绿化植被的智慧管控。

上述方案的管控方法仅是对植被生长所需水份的管控，而植被生长的过程中，除了灌溉之外，还需要对植被的健康状况进行管控。对于植被的健康状况，除了观察植被本身外，对于其生长环境的监测也是尤为重要。现有的植被管控方法未对植被的生长环境进行检测，轻则导致植被损伤，重则造成植被死亡。

发明内容

本发明的目的在于提供一种智慧城市绿化实时监测方法，能避免现有植被管控方法导致植被损伤和死亡的问题。

本发明提供的基础方案为：一种智慧城市绿化实时监测方法，包括以下步骤：

异常值计算步骤，获取植被的覆盖区域数据和植被种类数据，根据植被覆盖区域数据和植被种类数据计算植被的环境异常值；

环境监测步骤，获取植被种植区的环境数据，根据环境数据计算环境监测值；

异常判断步骤，获取环境监测值和环境异常值，将环境监测值和环境异常值进行比较，判断环境监测值是否异常。

本发明的有益效果：本方案中，采集了植被种植区域的环境数据，并将环境数据与异常值进行比较，从而确定环境数据是否异常，通过对环境数据检测和判断，能及时发现植被生长过程中的环境问题，从而避免环境对植被生长的影响。本方案能解决现有植被管控方法导致植被损伤和死亡的问题。

进一步，异常报警步骤，当环境监测值判断为异常时，进行报警。

有益效果：当植被种植区域的环境数据出现异常时，发出警报，有利于提醒相关维护人员及时处理异常情况。

进一步，环境异常值包括天气异常值和土壤异常值。

有益效果：通过对天气和土壤的计算有利于准确的计算环境对植被生长的影响，因为天气和土壤是影响植被生长最主要的两个因素。

进一步，环境数据包括空气温湿度数据、降水量数据、光照度数据、土壤温湿度数据和土壤酸碱度数据。

有益效果：通过空气温湿度数据、降水量数据、光照度数据、土壤温湿度数据和土壤酸碱度数据能更好地对植被的环境进行评估，有利于更好的监测植被。

进一步，环境监测步骤包括：天气状况监测子步骤，获取植被种植区的空气温湿度数据、降水量数据和光照度数据，根据植被种植区的空气温湿度数据、降水量数据和光照度数据计算植被种植区的天气监测值；

土壤状况监测子步骤，获取植被种植区的土壤温湿度数据和土壤酸碱度数据，根据土壤温湿度数据和土壤酸碱度数据计算植被种植区的土壤监测值。

有益效果：通过对天气和土壤的监测值的计算，有利于更好地评估植被的生长环境。

进一步，异常判断步骤包括：天气异常判断子步骤，获取植被种植区的天气监测值，将天气监测值与天气异常值进行比较，判断植被种植区的天气监测值是否异常；

土壤异常判断子步骤，获取植被种植区的土壤监测值，将土壤监测值与土壤异常值进行比较，判断植被种植区的土壤监测值是否异常。

有益效果：通过对天气和土壤的监测值的判断，有利于更好地监测植被的健康状况。

本发明还公开了基于上述智慧城市绿化实时监测方法的一种智慧城市绿化实时监测系统，包括：

采集单元，用于采集植被种植区域的植被覆盖区域数据、植被种类数据和环境数据；

异常值计算单元，用于根据植被覆盖区域数据和植被种类数据计算植被的环境异常值；

监测值计算单元，用于根据环境数据计算植被种植区的环境监测值；

异常判断单元，用于获取环境监测值和环境异常值，将环境监测值和环境异常值进行比较，判断环境监测值是否异常。

本发明的有益效果：本方案中，采集了植被种植区域的环境数据，并将环境数据与异常值进行比较，从而确定环境数据是否异常，通过对环境数据检测和判断，能及时发现植被生长过程中的环境问题，从而避免环境对植被生长的影响。本方案能解决现有植被管控方法导致植被损伤和死亡的问题。

进一步，环境异常值包括天气异常值和土壤异常值。

有益效果：通过对天气和土壤的计算有利于准确的排除环境对植被生长的影响，因为天气和土壤是影响植被生长最主要的两个因素。

进一步，环境数据包括空气温湿度数据、降水量数据、光照度数据、土壤温湿度数据和土壤酸碱度数据。

有益效果：通过空气温湿度数据、降水量数据、光照度数据、土壤温湿度数据和土壤酸碱度数据能更好地对植被的环境进行评估，有利于更好的监测植被。

进一步，监测值计算单元包括：天气监测值计算模块，用于获取空气温湿度数据、降水量数据和光照度数据，根据空气温湿度数据、降水量数据和光照度数据计算天气监测值；

土壤监测值计算模块，用于获取土壤温湿度数据和土壤酸碱度数据，根据土壤温湿度数据和土壤酸碱度数据计算土壤监测值。

有益效果：通过对天气和土壤的监测值的计算，有利于更好地评估植被的生长环境。

附图说明

图1为实施例一中智慧城市绿化实时监测方法的逻辑框图；

图2为实施例一中S2步骤的子步骤的逻辑框图；

图3为实施例一中S3步骤的子步骤的逻辑框图；

图4为实施例二中智慧城市绿化实时监测系统的逻辑框图。

具体实施方式

下面通过具体实施方式进一步详细的说明：

实施例一：

如图1所示：一种智慧城市绿化实时监测方法，包括以下步骤：

S1：异常值计算步骤，获取植被的覆盖区域数据和植被种类数据，根据植被覆盖区域数据和植被种类数据计算植被的环境异常值。环境异常值包括天气异常值和土壤异常值。

本实施例中，植被覆盖区域数据和植被种类数据从GIS数据库中获取，GIS数据库中建立有城市的植被覆盖区域数据和植被种类数据，城市的植被覆盖区域数据和植被种类数据均通过卫星遥感成像技术直接获取。

S2：环境监测步骤，获取植被种植区的环境数据，根据环境数据计算环境监测值。环境数据包括空气温湿度数据、降水量数据、光照度数据、土壤温湿度数据和土壤酸碱度数据。

如图2所示：S2：环境监测步骤还包括：

S201：天气状况监测子步骤，获取植被种植区的空气温湿度数据、降水量数据和光照度数据，根据植被种植区的空气温湿度数据、降水量数据和光照度数据计算植被种植区的天气监测值。

本实施例中，空气温湿度数据由空气温湿度传感器采集，温湿度传感器采用HRH的WB627型的温湿度传感器；降水量数据由降水量检测模块采集，降水量检测模块用于监测设定时间日期范围内的降水量；光照度数据由光照度传感器采集，光照度传感器采用恒盛的HAGA50型光照度传感器。

S202：土壤状况监测子步骤，获取植被种植区的土壤温湿度数据和土壤酸碱度数据，根据土壤温湿度数据和土壤酸碱度数据计算植被种植区的土壤监测值。

本实施例中，采用土壤温湿度传感器和土壤酸碱度传感器实现土壤温湿度数据和土壤酸碱度数据的采集；土壤温湿度传感器采用精讯畅通的JXBS-3001-TR型土壤温湿度传感器，土壤酸碱度传感器采用精讯畅通的JXBS-3001-PH型土壤酸碱度传感器。

S3：异常判断步骤，获取环境监测值和环境异常值，将环境监测值和环境异常值进行比较，判断环境监测值是否异常。若环境监测值超过了环境异常值，那么环境监测值判断为异常，若环境监测值未超过环境异常值，那么环境监测值判断为正常。

如图3所示：S3：异常判断步骤包括：

S301：天气异常判断子步骤，获取植被种植区的天气监测值，将天气监测值与天气异常值进行比较，判断植被种植区的天气监测值是否异常。

S302：土壤异常判断子步骤，获取植被种植区的土壤监测值，将土壤监测值与土壤异常值进行比较，判断植被种植区的土壤监测值是否异常。

S4：异常报警步骤，当环境监测值判断为异常时，进行报警。

实施例二：

本实施例在实施例一的基础上公开了一种智慧城市绿化实时监测系统，包括采集单元、服务器和报警单元，采集单元通过现有的无线通信模块与服务器网络连接，报警单元与服务器电连接，由服务器控制报警单元的工作。无线通信模块采用VG的VG30S4T-X1型无线通信模块，服务器可为采用联想的2U机架式服务器。

如图4所示：

一、采集单元

采集单元，用于采集植被种植区域的植被覆盖区域数据、植被种类数据和环境数据。环境数据包括天气监测数据和土壤检测数据。

天气监测数据包括空气温湿度数据、降水量数据和光照度数据；土壤监测数据包括土壤温湿度数据和土壤酸碱度数据。

具体的，采集单元包括：

植被数据采集模块，植被数据采集模块用于采集植被的植被覆盖区域数据和植被种类数据。

天气数据采集模块，天气数据采集模块用于采集植被种植区的空气温湿度数据、降水量数据和光照度数据。

土壤数据采集模块，土壤数据采集模块用于采集植被种植区的土壤温湿度数据和土壤酸碱度数据。

二、服务器，包括：

异常值计算单元，异常值计算单元用于获取植被覆盖区域数据和植被种类数据，根据植被覆盖区域数据和植被种类数据计算植被的环境异常值。环境异常值包括天气异常值和土壤异常值。

监测值计算单元，用于根据环境数据计算植被种植区的环境监测值。

具体的，监测值计算单元包括：

天气监测值计算模块，用于获取空气温湿度数据、降水量数据和光照度数据，根据空气温湿度数据、降水量数据和光照度数据计算天气监测值。

土壤监测值计算模块，用于获取土壤温湿度数据和土壤酸碱度数据，根据土壤温湿度数据和土壤酸碱度数据计算土壤监测值。

异常判断单元，异常判断单元用于获取天气监测值和土壤监测值，将天气监测值与天气异常值进行比较，判断植被种植区的天气监测值是否异常；将土壤监测值与土壤异常值进行比较，判断植被种植区的土壤监测值是否异常。

异常报警单元，异常报警单元用于获取异常判断单元的判断结果，当天气监测值或土壤监测值中的任意一项为现异常时，发出报警信号。

三、报警单元

报警单元，报警单元用于接收报警信号并报警。报警单元可采用现有的报警器。

以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (10)

1.一种智慧城市绿化实时监测方法，其特征在于，包括以下步骤：

异常值计算步骤，获取植被的覆盖区域数据和植被种类数据，根据植被覆盖区域数据和植被种类数据计算植被的环境异常值；

环境监测步骤，获取植被种植区的环境数据，根据环境数据计算环境监测值；

异常判断步骤，获取环境监测值和环境异常值，将环境监测值和环境异常值进行比较，判断环境监测值是否异常。

2.根据权利要求1所述的智慧城市绿化实时监测方法，其特征在于，还包括：

异常报警步骤，当环境监测值判断为异常时，进行报警。

3.根据权利要求1所述的智慧城市绿化实时监测方法，其特征在于：环境异常值包括天气异常值和土壤异常值。

4.根据权利要求3所述的智慧城市绿化实时监测方法，其特征在于：环境数据包括空气温湿度数据、降水量数据、光照度数据、土壤温湿度数据和土壤酸碱度数据。

5.根据权利要求4所述的智慧城市绿化实时监测方法，其特征在于，环境监测步骤包括：

天气状况监测子步骤，获取植被种植区的空气温湿度数据、降水量数据和光照度数据，根据植被种植区的空气温湿度数据、降水量数据和光照度数据计算植被种植区的天气监测值；

土壤状况监测子步骤，获取植被种植区的土壤温湿度数据和土壤酸碱度数据，根据土壤温湿度数据和土壤酸碱度数据计算植被种植区的土壤监测值。

6.根据权利要求5所述的智慧城市绿化实时监测方法，其特征在于，异常判断步骤包括：

天气异常判断子步骤，获取植被种植区的天气监测值，将天气监测值与天气异常值进行比较，判断植被种植区的天气监测值是否异常；

土壤异常判断子步骤，获取植被种植区的土壤监测值，将土壤监测值与土壤异常值进行比较，判断植被种植区的土壤监测值是否异常。

7.一种智慧城市绿化实时监测系统，其特征在于，包括：

采集单元，用于采集植被种植区域的植被覆盖区域数据、植被种类数据和环境数据；

异常值计算单元，用于根据植被覆盖区域数据和植被种类数据计算植被的环境异常值；

监测值计算单元，用于根据环境数据计算植被种植区的环境监测值；

异常判断单元，用于获取环境监测值和环境异常值，将环境监测值和环境异常值进行比较，判断环境监测值是否异常。

8.根据权利要求7所述的智慧城市绿化实时监测系统，其特征在于：环境异常值包括天气异常值和土壤异常值。

9.根据权利要求8所述的智慧城市绿化实时监测系统，其特征在于：环境数据包括空气温湿度数据、降水量数据、光照度数据、土壤温湿度数据和土壤酸碱度数据。

10.根据权利要求9所述的智慧城市绿化实时监测系统，其特征在于，监测值计算单元包括：

天气监测值计算模块，用于获取空气温湿度数据、降水量数据和光照度数据，根据空气温湿度数据、降水量数据和光照度数据计算天气监测值；

土壤监测值计算模块，用于获取土壤温湿度数据和土壤酸碱度数据，根据土壤温湿度数据和土壤酸碱度数据计算土壤监测值。